医療チームのための音声読み上げガイド

作成者 MediVoice JP 編集チーム · 更新日 2026-11-18

このガイドは、患者向けガイドや内部文書を音声に変換したい医療チームのために設計されています。APIキーの取得から、音声とフォーマットの選択、速度調整、コスト管理までの手順を解説します。複雑な機器の説明書や手順書を効率的に音声化し、現場での情報アクセスを向上させる具体的な活用シーンに焦点を当てます。

23言語対応と4096文字ごとの分割処理により、大規模なチームでの利用を想定したワークフローを説明します。生成速度やキュー待ち、60リクエスト/分の制限を理解し、実用的な知識を提供します。SLAや稼働率保証はありませんが、APIの基本からチーム全体の活用指針をまとめました。

医療チームのための音声読み上げガイド

よくある質問

どの音声を選ぶべきですか?

用途に合わせて8つのプリセットから選んでください。「aria」は暖かく明瞭なナレーター、「nova」は明るく活気のあるトーン、「sage」は落ち着いた教育向けです。音声は23言語に対応しており、言語を指定しない場合はスクリプトから自動推測されます。非英語のラテン文字テキストでは、正確な認識のため明示的な言語設定をお勧めします。

どのフォーマットが最適ですか?

mp3、wav、opus、flac、pcmの5つの形式から選択可能です。一般的な再生にはmp3が適しており、高音質が必要な場合はflacやwavが推奨されます。mp3はファイルサイズが小さく、Webやモバイルアプリケーションでの配信に最適です。用途に応じて適切な形式を選択し、効率的な音声コンテンツ配信を実現してください。

速度を調整するには?

リクエストパラメータの「speed」フィールド(0.25〜4.0)で再生速度を調整できます。標準は1.0です。医療用語の解説では速度を落とし、速報的な案内では上げることで、聴取者の理解度を最適化できます。ただし、リアルタイム性は保証されず、リクエストはキューで処理されるため、負荷時には待機が発生する可能性があります。音声の質には影響しません。

多言語テキストは処理できますか?

23言語(英語、日本語、中国語など)をサポートしています。どの音声でも全ての言語を話せます。言語を指定しない場合、ラテン文字は英語として推測されます。日本語や中国語などのテキストでは、明示的に「language」パラメータを設定することで、正確な発音とアクセントを実現できます。

コストを削減するには?

失敗したリクエストは無料です。100万文字あたり10ドルの従量課金制で、サブスクリプション費用は不要です。USDT(TRC-20)でのチャージは最小5ドルから可能で、無駄なサブスクリプション費用を抑えられます。

APIを統合するには?

OpenAI SDKのbase_urlをhttps://api.playaa999.com/v1に変更するだけで統合できます。POSTリクエストでJSONボディを送信し、音声ファイルを受け取ります。認証には「Authorization: Bearer」ヘッダーにAPIキーを設定します。標準的なHTTPクライアントやOpenAI SDKを使用して、既存のワークフローに簡単に組み込むことが可能です。

品質を保証するには?

SLAや稼働率保証はありません。音声はLibriTTS-R(CC BY 4.0)の録音に基づき生成され、不可視のウォーターマークで合成音声であることを示します。入力テキストは音声生成のみに使用されトレーニングには利用されません。生成音声はレスポンスで返却され、サーバーには保存されません。

大規模なテキストを処理するには?

1リクエストあたり最大4096文字まで処理できます。それ以上のテキストは、4096文字ずつ分割して複数の音声ファイルに生成し、それらを結合してください。生成速度は長文で実時間程度(秒あたり約25文字)ですが、キュー待ちが発生する可能性があります。分割結合により、大規模な医療マニュアルも処理可能です。

エラーが発生した場合?

合成に失敗した場合、料金は全額返金されます。エラーが発生したリクエストには課金されません。ネットワークエラーやサーバー側の問題により音声が生成されない場合でも、コストは発生しません。エラーハンドリングを実装し、必要に応じてリトライ処理を行ってください。返金は自動的にアカウント残高に反映されます。

新しい音声は追加されますか?

現在、aria、nova、luna、sage、felix、milo、atlas、orionの8つの音声プリセットを提供しています。カスタムボイスクローニングや独自音声のアップロード機能はございません。新しい音声の追加スケジュールは未定ですが、既存の8音声から医療チームの用途に合ったものをお選びください。

新しい言語はサポートされますか?

現在23言語をサポートしており、ベトナム語やタイ語などは未サポートです。新しい言語の追加計画については特に明言されていません。サポート対象外の言語でテキストを送信すると、誤った発音になる可能性があります。既存のリストに基づき、言語パラメータを正確に指定して使用してください。

サポートはありますか?

サポートはメールのみです。電話やライブチャット、SLA保証はありません。技術的な質問や課金に関する問い合わせは、サイト内の連絡先フォームからメールで送信してください。対応時間の基準は明記されていないため、迅速な回答を期待せず、詳細な情報を記載して問い合わせを行うことをお勧めします。

ドキュメントはどこにありますか?

ドキュメントはサイト内の/docs/ページで確認できます。APIのエンドポイント、パラメータ、認証方法などが記載されています。また、/get-api-key/ページではcurlの例や残高確認方法も提供されています。OpenAI SDKとの互換性についても記載されており、技術的な実装をスムーズに行うための情報が揃っています。

価格表は?

料金は100万文字あたり10ドル(1,000文字あたり0.01ドル)です。スペースや句読点も文字数に含みます。Googleログインではトライアルとして0.50ドルのクレジットが付与されますが、メール登録の場合は付与されません。チャージはUSDT(TRC-20)のみで、最小5ドルから可能です。詳細は/pricing/ページをご覧ください。

音声の選択

の音声波形イラスト: 音声の選択

Aria, Luna, Atlasは、医療チームが患者ガイドや内部文書を音声コンテンツに変換する際、異なる用途に応じて選択できる音声プリセットです。それぞれの音声は、伝達したい情報の性格や、聴取者の状況に合わせて最適化されています。

Aria: ナレーター

Ariaは温かく明瞭なトーンが特徴の女性音声です。複雑な医療用語を含む患者向けガイドや、手順書の読み上げに適しています。明瞭さが重視される環境で、情報が正確に伝わるよう設計されています。

Luna: ストーリーテリング

Lunaは柔らかく物語的な響きを持つ女性音声です。患者の体験談や、医療機関の紹介、教育用のストーリーテリングに適しています。聴く人の感情に寄り添うような、落ち着いた雰囲気を作り出します。

複雑な医療情報も、物語形式で提示することで、患者や家族が理解しやすくなります。

Atlas: ニュース

Atlasは中立で明確なトーンを持つ男性音声です。病院の最新情報や、緊急時のアナウンス、ニュースリリースの読み上げに適しています。客観的な事実を伝える際に、信頼性を高めます。

大規模な医療チーム内での情報共有や、公式な文書の音声化において、均一でプロフェッショナルな印象を提供します。

フォーマットの選定

の音声波形イラスト: フォーマットの選定

音声ファイルの形式を選択すると、生成される音声データの特性が決まります。MP3、WAV、Opus、FLAC、PCMの5種類から、用途に合わせて適切な形式を選びましょう。各形式は保存サイズや音質、互換性に特徴があります。

医療現場では、情報伝達の迅速さと正確さが求められます。適切なフォーマット選択により、ネットワーク帯域の効率化や、再生環境との互換性確保が可能です。生成された音声は、指定した形式で直接受け取ります。

MP3: 軽量化

MP3は圧縮率が高く、ファイルサイズを小さく抑えられます。ネットワーク経由での配布や、ストレージ容量が限られている環境で最適です。多くのデバイスで即座に再生可能で、患者ガイドの配布に便利です。

  • ファイルサイズが小さく通信負荷が低い
  • ほぼすべてのデバイスとプレイヤーで再生可能
  • 患者向け資料の配布に適している

WAV: 高品質

WAVは非圧縮形式で、音声の劣化がありません。元の音声データを忠実に再現するため、音質重視の記録や解析に適しています。生成処理は単純ですが、ファイルサイズは大きくなります。

  • 無圧縮で音質劣化がない
  • 高精度な音声記録に適する
  • ファイルサイズが比較的大きくなる

Opus: 圧縮

Opusは効率的な圧縮を実現する形式です。低ビットレートでも高音質を維持し、ファイルサイズを小さく保ちます。ストリーミング機能を持つわけではありませんが、ファイル形式として優れた圧縮効率を提供します。

  • 高い圧縮効率と高音質の両立
  • 低ビットレートでの使用に適している
  • ストリーミング対応ではない単なるファイル形式
フォーマットの選定

速度の調整

の音声波形イラスト: 速度の調整

音声の再生速度は0.25から4.0の範囲で調整できます。この設定は、医療チームが患者ガイドや内部文書を聴く際の快適さを最適化します。速度変更は生成された音声の質を保証するSLAではありませんが、処理の効率化に寄与します。

通常の速度

標準的な速度(デフォルト)は、多くの医療文書に適しています。複雑な機器の手順書でも、自然なリズムで情報を伝達できます。

遅い速度

速度を下げると、重要な医療用語や数字の聞き取りが容易になります。新規スタッフのトレーニングや、複雑な患者ガイドの理解に有効です。

  • 0.25〜0.75の範囲で調整可能

速い速度

速度を上げると、短時間で大量の情報を処理できます。既に内容に精通しているスタッフによる確認作業や、バッチ処理の効率化に役立ちます。

  • 1.5〜4.0の範囲で調整可能

多言語対応

の音声波形イラスト: 多言語対応

MediVoice APIは、23言語の音声生成をサポートしています。各音声は全言語に対応しており、特定の言語に限定されません。

言語を明示的に指定することで、音声の発音品質を最適化できます。医療現場の複雑な用語でも正確な読み上げを実現します。

言語の指定

リクエストパラメータでlanguageフィールドにISOコード(例: de)を指定できます。ドイツ語の手術手順書を作成する場合、言語を指定することで、ラテン文字のテキストが英語として誤認識されるリスクを回避できます。

これにより、医療チームは言語ごとの適切な音声レンダリングを確実に制御できます。

  • 23言語の音声エンジンが全音声で利用可能
  • ISO 639-1コードでの言語指定が可能

自動検出

languageフィールドを省略した場合、APIはテキストの文字ベースから言語を推測します。ラテン文字のテキストはデフォルトで英語として扱われるため、非英語のラテン文字テキスト(例: ドイツ語やフランス語)を使用する場合は注意が必要です。

文字パターンに基づいた自動検出は迅速ですが、文脈を完全に把握するわけではないため、精度の向上のためには明示的な指定が推奨されます。

非対応言語

サポートされる言語は以下の23言語です: アラビア語、中国語、デンマーク語、オランダ語、英語、フィンランド語、フランス語、ドイツ語、ギリシャ語、ヘブライ語、ヒンディー語、イタリア語、日本語、韓国語、マレー語、ノルウェー語、ポーランド語、ポルトガル語、ロシア語、スペイン語、スワヒリ語、スウェーデン語、トルコ語。

ベトナム語、インドネシア語、タイ語、ウクライナ語、ルーマニア語、チェコ語、ベンガル語などは現在サポートされていません。非対応言語のテキストを入力しても、音声は生成されますが、最適な発音結果が得られない可能性があります。

コスト管理

の音声波形イラスト: コスト管理

医療チームでは、患者ガイドや内部文書の作成に文字数が大きく関与します。正確なコスト予測には、テキストの文字数(スペースや句読点含む)を把握し、100万文字あたり10米ドルという単価で算出することが重要です。

バッチ処理専用機能は存在しません。代わりに、4096文字ずつテキストを分割し、複数のリクエストを送信して生成された音声ファイルを結合する手法が推奨されます。これにより、大規模な手順書でも効率的に処理できます。

文字数の見積もり

APIはリクエストごとに最大4096文字まで処理可能です。スペースや句読点も含めた正確な文字数を計上し、1,000文字あたり0.01米ドルの単価で見積もります。失敗したリクエストは課金されません。

  • 1文字=0.00001米ドルの計算
  • 4096文字が1リクエストの上限

バッチ処理

専用バッチ機能はありませんが、長文テキストは4096文字ごとに分割し、個別にAPIを呼び出します。生成された音声ファイルはクライアント側で結合することで、連続した読み上げを実現します。

この方法により、大量の内部文書や患者向けガイドを効率的に音声化できます。

  • 4096文字ごとの分割
  • 音声ファイルの手動結合

残高の監視

ダッシュボードでは、残高、トライアル期間中のクレジット、使用済み文字数を確認できます。残高はTRONネットワーク(TRC-20)でのUSDT送金により追加され、送金後数分で自動的に反映されます。

残高は期限切れにならず、必要に応じて随時追加可能です。

  • TRC-20 USDTでの追加
  • 残高の期限なし

ワークフローの統合

の音声波形イラスト: ワークフローの統合

医療チームのワークフローにAPIを統合するには、まずAPIキーの設定とスクリプトの実行、そして結果の確認が重要です。

APIキーの設定

エンドポイント https://api.playaa999.com/v1 に Authorization: Bearer tts-... ヘッダーを設定します。キーは1アカウントにつき1つで、変更時は旧キーが即時無効化されます。

スクリプトの実行

テキストを4096文字以下に分割し、POST /v1/audio/speech に送信します。生成された音声ファイルはレスポンスとして即時返却され、サーバーには保持されません。

結果の確認

レスポンスに含まれる音声ファイルを確認し、必要に応じて結合します。失敗したリクエストは返金され、メタデータのみが請求のために保持されます。

品質保証

の音声波形イラスト: 品質保証

APIが返す音声ファイルの整合性を確認し、必要な情報が正確に読み上げられているか検証します。API側でファイルの破損や不正を自動的に保証する仕組みはないため、生成された音声そのものの品質はチームで確認する必要があります。

音声の検証

生成された音声ファイルは、指定したテキストと音声モデルの仕様に一致しているか確認します。不自然な音声の途切れや、意図しない無音部分がないか、ランダムなサンプルで確認してください。

エラーのチェック

APIレスポンスのステータスコードを確認し、音声生成に失敗した場合、請求が返金されているか確認します。失敗したリクエストは無料となるため、課金エラーにも注意してください。

テキストが4096文字を超えていないか、また指定した音声やフォーマットが有効か事前にスクリプトでチェックしておきます。

  • ステータスコード200を確認
  • レスポンスサイズを確認
  • 課金ステータスを確認

フィードバックの収集

医療チームのメンバーに、生成された音声の明瞭さや聞き取りやすさについて意見を集めます。具体的なフィードバックは、音声モデルの改善や、より適切な音声や速度の選択に役立ちます。

収集した意見は、内部ドキュメントや患者向けガイドの改善にフィードバックしてください。

品質保証

スケーリング

の音声波形イラスト: スケーリング

大規模なチームが医療文書を音声化する際、文字数制限とレート制限の両方を考慮した設計が不可欠です。1つのリクエストでは4096文字までしか送信できないため、患者ガイドや手順書を分割して送信し、生成された音声ファイルを後で結合する必要があります。

大規模なテキスト

テキストが4096文字を超える場合は、複数のリクエストに分割して送信します。各リクエストで生成された音声ファイルをプログラムで連結することで、完全な文書の音声を完成させます。これにより、長い医療マニュアルや患者向けの説明書でもスムーズに音声変換できます。

  • 1リクエストあたり最大4096文字まで
  • 分割した音声ファイルを後で結合
  • 長文の患者ガイドや手順書に対応

複数のユーザー

各アカウントには1つのAPIキーが付与されます。チーム内で複数のユーザーが同時に使用する場合、1つのキーで60リクエスト/分の制限が共有されるため、負荷分散が必要です。キーを再生成すると旧キーは即時無効になるため、管理には注意が必要です。

  • 1アカウントにつき1つのアクティブなAPIキー
  • キー再生成時に旧キーは即時無効化
  • チーム全体で60リクエスト/分の制限を共有

高頻度のリクエスト

通常は1分間60リクエストまで利用可能ですが、最初のトップアップ前は1分間10リクエストに制限されます。負荷がかかるとリクエストはキューに並び、処理に時間がかかる場合があります。短時間の文書生成は数秒かかるため、バッチ処理との組み合わせが効果的です。

  • 通常: 60リクエスト/分(1アカウントあたり)
  • 初回トップアップ前: 10リクエスト/分
  • 負荷時はキューに並び処理に時間がかかる場合あり

ベストプラクティス

の音声波形イラスト: ベストプラクティス

医療文書の音声化では、テキストの適切な分割と生成結果の管理が品質を左右します。このセクションでは、4096文字制限を超過する大規模な患者ガイドや手順書を効率的に処理するための具体的なワークフローを解説します。

APIサーバー側には組み込みのキャッシュ機能がありません。そのため、クライアント側での文字列管理と音声ファイルの結合ロジックが重要です。

テキストの分割

入力テキストは最大4096文字までです。それを超える長文(例:手術手順書)の場合は、文脈を考慮して適切な区切りで分割し、複数のリクエストを送信します。

各分割されたテキストは独立して音声ファイルに変換されます。文字数にはスペースや句読点も含まれるため、正確なカウントが重要です。

  • 最大4096文字ごとに分割
  • 文脈を維持した区切り位置の設定
  • スペースと句読点も文字数にカウント

音声の連結

分割して生成された複数の音声ファイル(mp3、wav、opusなど)を、クライアント側またはバッチ処理スクリプトで繋ぎ合わせます。これにより、単一の連続した音声ファイルとして扱えます。

結合時の無音部分やノイズを最小限に抑えるため、フォーマットは統一してください。生成されたファイルはサーバーに保存されませんので、必要な場合はローカルに保存してください。

  • クライアント側でのファイル結合
  • フォーマットの統一(mp3/wav/opu)
  • 生成ファイルの即時ダウンロード推奨

キャッシュの利用

APIサーバー側には組み込みのキャッシュ機能がありません。同じテキストに対して複数回の音声生成リクエストを送る場合、クライアント側で既に生成済みの音声ファイルのハッシュ値などを管理し、重複生成を避けます。

これにより、不要な課金(100万文字あたり$10)と生成待ち時間を削減できます。特に定型の患者案内文などで有効です。

  • サーバー側キャッシュなし
  • クライアント側での重複回避
  • ハッシュ値による管理推奨

トラブルシューティング

の音声波形イラスト: トラブルシューティング

API呼び出し時のエラーは、大規模な医療チームでも頻発します。生成速度は長文で1秒あたり約25文字ですが、短文の場合は数秒かかる場合があります。キューの混雑により待機時間が発生する場合があるため、適切な待機処理が重要です。

一般的なエラー

文字数制限(4096文字)を超えるとエラーになります。また、APIキーが無効な場合や、不正なJSON形式のリクエストを送信した場合にも失敗します。失敗したリクエストは課金されませんので、安心してください。

  • 4096文字の上限を確認する
  • JSON形式を検証する
  • APIキーの有効性を確認する

接続の問題

APIエンドポイントは https://api.playaa999.com/v1 です。認証ヘッダー Authorization: Bearer が正しく設定されているか確認してください。ネットワークの不安定さが原因でタイムアウトすることがあります。

  • ベースURLを確認する
  • 認証ヘッダーを確認する
  • ネットワーク接続を確認する

パフォーマンスの低下

リクエストは順序通りに処理されます。負荷がかかるとキューに待機する場合があります。1分あたり60リクエストの制限があるため、バッチ処理を調整してください。

生成速度は長文でリアルタイムに近いですが、短文では数秒かかります。待ち時間を考慮して設計してください。

将来の拡張

の音声波形イラスト: 将来の拡張

当APIの将来の拡張計画は現在未定です。既存の8つの音声、23の言語、5つのフォーマットを基盤として、機能の追加時期や内容は予告なく変更される可能性があります。

新しい音声

現在の8つの音声(aria, nova, luna, sage, felix, milo, atlas, orion)の追加や更新は未定です。既存の音声の品質向上や新しいプリセットの提供時期は、開発の状況次第です。

新しい言語

現在対応している23言語(英語、日本語、中国語など)に加え、他の言語が追加されるかは未定です。特にベトナム語やタイ語などの非対応言語の追加時期は決まっていません。

新しいフォーマット

mp3, wav, opus, flac, pcmの5つのフォーマットに加え、新しい音声フォーマットのサポートが追加されるかは未定です。既存のフォーマットが廃止される可能性も含め、仕様は変更される場合があります。

将来の拡張

リソース

の音声波形イラスト: リソース

MediVoice JPのAPI活用をさらに深めるために、公式ドキュメントとリファレンスドキュメント、そしてサポート窓口を利用できます。

ドキュメント

このガイドは医療チームのワークフローに最適化されています。より詳細な技術仕様や、他のセクションでカバーしていない実装例を確認するには、各ページのリンクを参照してください。

APIリファレンス

エンドポイント /v1/audio/speech や /v1/voices の仕様は公式リファレンスで確認できます。curlコマンドの例や、OpenAI SDKとの互換性に関する詳細な設定も記載されています。

リクエストボディの形式や、返却されるエラーコードの解釈については、ここから直接APIドキュメントにアクセスしてください。

  • POST /v1/audio/speech
  • GET /v1/voices
  • GET /v1/models

サポート

サポートはメールのみで行っています。電話番号やライブチャットはありません。

技術的な質問や請求に関するお問い合わせは、以下の連絡先までお願いします。

  • メールサポートのみ

8つの音声を確認

以下の各サンプルは、同じ文章をこのAPIで生成したものです。 患者様の安全を最優先し、最新の医学知見に基づいた確かな情報提供に努めます

音声のアバター aria
aria女性
音声のアバター nova
nova女性
音声のアバター luna
luna女性
音声のアバター sage
sage女性
音声のアバター felix
felix男性
音声のアバター milo
milo男性
音声のアバター atlas
atlas男性
音声のアバター orion
orion男性

23言語

どの音声でも、これらの言語のいずれかを話します。

出典および参考資料

  1. Wikipedia
  2. FFmpeg documentation
  3. openai-python on GitHub
  4. LibriVox public-domain audiobooks
  5. ISO 639 language codes
  6. TRON developer hub: TRC-20
  7. Python documentation
  8. Node.js documentation
  9. Creative Commons Attribution 4.0
  10. OpenAI API reference: create speech
  11. MDN: Web Speech API
  12. Tether (USDT)

このサイトに関するその他の情報